pLitterStreet：街道级塑料垃圾检测与制图
计算机视觉与模式识别
2024-01-29 v1
摘要
塑料污染是一个严峻的环境问题，检测和监测塑料垃圾对于减轻其影响至关重要。本文介绍了绘制街道级垃圾地图的方法，重点关注塑料废弃物和垃圾桶的位置。我们的方法涉及运用深度学习技术，从安装在车辆上的摄像头拍摄的街道级图像中识别垃圾和垃圾桶。随后，我们利用热力图来直观展示整个城市中垃圾和垃圾桶的分布。此外，我们提供了关于创建开源数据集（“pLitterStreet”）的详细信息，该数据集在我们的方法中被开发和使用。该数据集包含从车载摄像头收集的超过13,000张完全标注的图像，并包含边界框标签。为了评估我们数据集的有效性，我们测试了四种知名的先进目标检测算法（Faster R-CNN、RetinaNet、YOLOv3和YOLOv5），取得了超过40%的平均精度（AP）。虽然结果显示为平均指标，但我们的实验证明了使用车载摄像头进行塑料垃圾制图的可靠性。“pLitterStreet”也可以成为研究人员和从业者开发和进一步改进现有机器学习模型，以在城市环境中检测和绘制塑料垃圾地图的宝贵资源。该数据集是开源的，有关数据集和训练模型的更多详细信息，请访问https://github.com/gicait/pLitter。
引用
@article{arxiv.2401.14719,
title = {pLitterStreet: Street Level Plastic Litter Detection and Mapping},
author = {Sriram Reddy Mandhati and N. Lakmal Deshapriya and Chatura Lavanga Mendis and Kavinda Gunasekara and Frank Yrle and Angsana Chaksan and Sujit Sanjeev},
journal= {arXiv preprint arXiv:2401.14719},
year = {2024}
}